公众对病理学中人工智能应用的认知与态度：混合方法研究揭示关键影响因素与条件性支持

为解决公众对AI在病理学领域应用认知不足的问题，研究人员开展混合方法调查(N=1518)，发现仅23.19%受访者了解AI病理诊断，97.36%支持"人机协同"模式，但商业机构数据使用信任度较低(45.32%)。研究揭示了性别(男性aOR 1.34)、认知水平(aOR 1.25)和风险感知(aOR 0.80)对AI接受度的显著影响，为AI医疗伦理框架构建提供重要依据。

　　

在医疗AI技术迅猛发展的今天，病理诊断领域正经历着从显微镜玻片到全切片数字化图像(WSI)的革命性转变。尽管AI在淋巴结转移识别、预后预测等方面展现出媲美甚至超越人类专家的潜力，但公众对这种"第三次病理学革命"的认知却严重滞后。更棘手的是，AI算法训练需要大量去标识化医疗数据和组织图像，这引发了关于数据安全、商业滥用和诊断责任归属的深层担忧。正是这些矛盾促使英国研究团队开展了这项开创性研究。

来自Queen’s University Belfast的研究人员通过全国代表性混合方法调查(N=1518)，采用Qualtrics平台构建包含30个封闭式问题和2个开放式问题的问卷，通过Prolific学术公司招募英国成年受访者。研究运用描述性统计、多变量逻辑回归(计算aOR)和Braun & Clarke主题分析法，系统评估了公众对病理AI的认知缺口和态度分层。

公众认知现状
数据显示仅有23.19%(352/1518)的受访者略微或中等程度了解病理AI，但90.84%(1379/1518)认同AI能改善癌症诊疗。这种"高期待-低认知"的悖论在定性访谈中进一步凸显，有受访者表示"AI仍像概念而非实用技术"(男，42岁)。

诊断模式偏好
定量分析发现97.36%(1478/1518)支持病理学家主导的AI辅助诊断，但纯AI诊断支持率骤降至24.37%(370/1518)。这种"人类在环"(human in the loop)的需求在定性数据中反复出现，如受访者强调"AI应辅助而非替代医生"(女，74岁)。

数据共享态度
83.99%(1275/1518)支持公立机构使用去标识化健康数据，但对商业机构的支持率降至57.25%(869/1518)。穆斯林群体支持率显著更低(aOR 0.39)，反映出文化价值观的影响。

关键预测因子
多变量模型显示：男性(aOR 1.34,95%CI 1.02-1.75)、高认知度(aOR 1.25)、强数据信任(aOR 1.04)提升支持率，而风险感知(aOR 0.80)起抑制作用。亚裔支持率显著低于白人(aOR 0.41)。

这项发表在《Journal of Medical Internet Research》的研究揭示了病理AI推广面临的三大矛盾：技术先进性认知不足、商业应用信任赤字、以及人机责任分配争议。研究者特别指出，公众需要"看得见的证据"——67岁男性受访者要求"理解去标识化的具体流程"，折射出技术透明度的核心价值。该研究为AI医疗伦理提供了量化依据，强调必须建立包含独立审计、违规严惩的监管框架，尤其需要针对女性和少数族裔开展针对性科普。正如研究者所言，病理AI的成功不仅取决于算法精度，更在于能否构建"将公众带入技术进程"(bringing the public along)的包容性发展模式。